Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12008/39243
Cómo citar
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Etcheverry, Mathías | - |
dc.contributor.advisor | Musé, Pablo | - |
dc.contributor.author | Gambone, Renzo | - |
dc.date.accessioned | 2023-08-14T17:56:17Z | - |
dc.date.available | 2023-08-14T17:56:17Z | - |
dc.date.issued | 2023 | - |
dc.identifier.citation | Gambone, R. Conteo de multitudes a través de redes neuronales y aprendizaje profundo [en línea]. Tesis de grado. Montevideo : Udelar. FI. INCO, 2023. | es |
dc.identifier.uri | https://hdl.handle.net/20.500.12008/39243 | - |
dc.description.abstract | Este trabajo es un acercamiento al área del conteo de multitudes, es decir, dada una imagen predecir correctamente cuántas personas hay en la misma, y opcionalmente brindar una noción de su posición en la imagen (en forma de un mapa de calor por ejemplo). Para resolver dicho problema se emplean técnicas de aprendizaje automático, más concretamente aprendizaje profundo orientado a la visión artificial. En este trabajo se estudió y plasmó en este informe cómo estas técnicas aplicadas al conteo de multitudes evolucionaron en la última década, posteriormente enfocándose en detallar las direcciones, técnicas y dificultades presentes en el estado del arte contemporáneo, así como también enumerando posibles direcciones en las que el mismo podría dirigirse en el futuro cercano (basadas en trabajos y arquitecturas emergentes y de gran promesa). Como parte de la experimentación se etiquetó un conjunto de datos a través de un módulo de taller, se evaluó la similitud entre las anotaciones realizadas, discutiendo sobre la dificultad de la tarea y el posible ruido en anotaciones de conjuntos ya existentes. También se evaluó el desempeño de varios modelos pre-entrenados en múltiples conjuntos de evaluación, discutiendo sobre particularidades, relaciones y anomalías encontradas en los resultados de sus métricas generales y algunos resultados destacados. | es |
dc.format.extent | 156 p. | es |
dc.format.mimetype | application/pdf | es |
dc.language.iso | es | es |
dc.publisher | Udelar. FI. | es |
dc.rights | Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014) | es |
dc.subject | Visión artificial | es |
dc.subject | Conteo de multitudes | es |
dc.subject | Aprendizaje profundo | es |
dc.title | Conteo de multitudes a través de redes neuronales y aprendizaje profundo. | es |
dc.type | Tesis de grado | es |
dc.contributor.filiacion | Gambone Renzo, Universidad de la República (Uruguay). Facultad de Ingeniería | - |
thesis.degree.grantor | Universidad de la República (Uruguay). Facultad de Ingeniería. | es |
thesis.degree.name | Ingeniero en Computación. | es |
dc.rights.licence | Licencia Creative Commons Atribución (CC - By 4.0) | es |
Aparece en las colecciones: | Tesis de grado - Instituto de Computación |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | ||
---|---|---|---|---|---|
Ga23.pdf | Tesis de grado | 13,46 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons